主要研究APT 网络攻击全链条的通用表征和威胁模型， 实现攻击的全链条威胁分析；研究跨平台内核数据实时可信 采集方法，探索基于去噪和去冗技术的高效数据解析、基于 语义恢复技术的关键字段填充；研究多源异构内核数据的重 构方法；研究保持全局依赖的数据压缩方法，实现实时、高 效、普适的数据压缩；研究面向APT网络攻击全链条的智能 检测框架，实现对攻击的全链条高效检测；研究APT网络攻 击的演化模式，实现APT网络攻击的可解释溯源分析。

本发明公开了一种基于区域态势信息的网络攻击后果动态定量评估方法，获取工业关键基础设施所有站点内部工艺的运行信息并进行筛选，获得由网络攻击导致的异常发生的位置信息，以及物理设备当前的有用的运行状态信息；利用多层流模型计算站点输出的物质流异常信息，并建立站点的输入输出物质流计算模型；根据由网络攻击导致的站点输出物质流异常信息，以及站点的输入输出物质流计算模型，以及输送网络的拓扑图模型，建立态势预测模型，以预测未来一

本发明公开了一种网络诱骗与反攻击的主动防御方法，包括以下步骤：通信双方设置多台主机进行数据的发送和接收，并通过一个地址和端口跳变服务器动态随机选择一台主机作为通信主机；发送方选择一条或多条传输链路发送诱骗报文，以检测传输链路的安全性和信道质量，如果链路安全就构造并发送带反攻击性的真实数据，与此同时，发送方继续发送诱骗报文进行链路探测；中间节点负责检测传输链路的安全状况并反馈给网络管理员；网络管理员根据节点的安全

1.项目简介：《用超细APT制备纳米钨粉的研究》由我校余世鑫教授主持与江西省崇义章源钨制品有限公司联合研究，并由该公司工业试生产成功。该项目经过课题组人员的共同努力和卓有成效的研究，取得了重大突破。2003年11月28日江西省科技厅组织专家鉴定组对该项目进行了鉴定。2.技术特点：本项目采用精细化工技术，依据相转移合成法的原理，采用独特的离子交换高峰液的处理技术、固液分离技术和结晶晶形控制技术，生产出超细颗粒仲钨酸铵(APT，费氏粒度 1～10μm)。然后在通用的回转管炉煅烧和四管炉还原，采用露点-70℃的高纯氢气和粉末钝化技术，制得纳米钨粉。其生产表明，与等离子法、流态化还原法等相比，采用该技术生产纳米钨粉具有设备投资少、成本低、规模生产易控制、重现性好的特点。易于实现工业化生产。该项目采用的工艺技术独特、新颖、可行，属国内首创。

2020年1月26日，同济大学医学院、附属东方医院左为团队在预印本网站bioRxiv上发布的研究成果显示：II型肺泡很可能正是2019-nCoV感染的靶细胞。 左为团队基于中国科学院上海巴斯德研究所和中国科学院武汉病毒研究所的两项最新研究成果，对新型冠状病毒感染人的机制和通路继续深入进行分析。团队利用共享数据库，采用高通量单细胞测序的方法，针对库中当时的8名患者，分析了43000多个人体肺细胞的单细胞RNA测序数据（健康人），希望找到病毒最先攻击的位置。“受体的门开在哪里，病毒会先攻击哪个部位？都是我们非常想知道的。”左为说，研究结果显示，病毒首先攻击的不是上呼吸道，而是位于人体深部的肺泡。 

当前，保护数据的隐私和安全已经成为世界性的热点，各国都在加强对数据安全和隐私的保护。近年来，国家相继出台个人信息保护的标准和政策，旨在加强隐私保护。为了在符合相关法规的前提下使用数据，部分研究者尝试令各方数据保留在本地的同时训练全局模型，如 Google 提出的联邦学习。作为一种加密的分布式机器学习技术 , 联邦学习能够让参与各方在不披露底层数据和底层数据加密 ( 混淆 ) 形态的前提下，仍然能利用其余几方参与者提供的信息，更好地训练联合模型，提升 AI 模型效果。 然而，将数据留在本地的方式却也引发其他问题，如针对联邦模型的投毒攻击。投毒攻击通过攻击训练数据集或算法来操纵机器学习模型的预测，使分类器识别特定样本的分类边界发生变化。而联邦学习场景下的投毒攻击通常拥有更强的隐蔽性和破坏性。 因此，我们将传统投毒攻击防御中对原始数据的清洗过程转变至对上传的模型权重参数的预处理，在参数服务器部署防御框架来防御投毒攻击。我们设计了一种新颖的防御与追溯框架，该框架主要由模型聚类、初步防御和细化防御三个模块构成，构建多层纵深防御体系，保护联邦模型安全，并在源头上主动追溯攻击者。我们设计面向神经网络的无监督层级聚类算法，消除了神经网络中隐含元素置换不变性的影响。根据类内代表模型在聚合过程中的贡献度确定其可疑度，并以动量思想将可疑度绑定每个客户端，并结合历史用户行为对攻击者进行定位。我们的防御框架可以自主评估模型贡献度，自动确定可疑度动态划分阈值，并在图像、文本等多源数据集上达到了 100% 追溯率，实现了零漏检，零误检。 目前，成果性能已经过多方测试和验证，代码已部署在华为自研深度学习框架MindSpore 中，进一步为广大开发者所用。

本发明公开了一种基于 Android 的隐蔽通道攻击审计与侦测方 法，属于计算机系统安全技术领域。本发明包括以下步骤：(1)按照“共 享资源-操作原语”的形式自定义目标隐蔽通道；(2)将定义好的隐蔽通 道解析为相关的 java 层 api-hook 函数和内核层审计规则；(3)根据访问 共享资源的应用程序权限，在运行时根据内核审计模块和 java 层 hook 函数传递的信息，动态审计各应用程序之间对目标共享资源的操作特

本发明公开了一种用于检测 Android 权限提升攻击的应用程序 重写方法，包括：将用户上传的 Android 应用程序进行反编译，以生 成中间文件和应用程序配置文件，对生成的中间文件插入调用链构建 代码，以使应用程序在运行时自动地构建调用链，对生成的中间文件 插入调用链获取代码，以使应用程序在运行时自动地获取调用程序发 送的调用链，对生成的中间文件插入检测代码，以使应用程序访问系 统敏感资源时自动地判断是否存在权限

1.采用“智能识别，无需额外定位技术”，印刷要求低，使用方便 本系统采用国内目前最先进的“智能识别”技术，答卷设计无需增加额外的定位点、定位线或同步头，也不需要以答题区域的边框、转角等作为定位识别符，确保了不因答题区域的线框偏移、变形、模糊或断线等因素影响扫描识别的稳定性及准确率。且系统中设置了自动识别偏移、折角检测、双页进纸等。 2.试卷纸张适应性好，支持超薄、加长纸扫描 本系统支持使用50克以上普通纸，以复印、速印或胶印方式双面印制答卷，2010年安徽中考各科试卷在本系统中均顺利通过扫描。 3.支持任意答题卷或答题卡的扫描、阅卷 由于采用了“智能识别”技术，本系统可做到在预先不知答题卡设计的情况下对任意答题卡或答题卷的顺利扫描和阅卷工作。2010年安徽中考阅卷成功使用本系统即是很好的例证。 4.互联网阅卷优势明显 本系统支持A4、A3及不规则尺寸的答卷扫描识，且A3答题卡在200dpi分辨率下，其双面扫描的影象文件容量不大于250K，这就确保了在当前互联网带宽不是很宽的情况下依然能够流畅的进行互联网阅卷；本系统不仅支持在局域网、广域网或互联网上进行阅卷，并且提供B/S和C/S结构的可选系统，具有支持通过互联网实现教师在家里阅卷或跨地区学校联考远程网上阅卷功能； 5.分布式设计，轻松实现联考 本系统采用C/S结构，支持分点联合阅卷功能，可以轻松实现与其他同样应用本系统的兄弟单位一起进行联考阅卷。 6.答卷扫描与考生考号、客观题涂点识别同步完成，无须行进行二次识别操作 本系统在答卷扫描的同时即完成客观题答案的准确识别，当扫描完成时，客观题的识别工作即全部完成，有利于及时发现扫描过程中出现的异常情况，便于及时进行查错和纠错操作。如果采用严格定位技术设计的产品，扫描与识别分二次进行，先扫描后识别。 7.答题卷设计灵活，支持多种统计与分析 本系统支持单选、多选的客观题任意混排，不限制客观题答案选项的数量（原则上不少于26个）以及不限制答案的组合方式，同时支持客观题的题目和涂点混排。 本系统也支持主客观题部分的选做题（M选N，M≥N，如2选1、3选2等）评卷及数据处理功能，即系统可以自动识别选做的标识并进行处理；同一大题的不同选题应可以交由不同分组的老师独立评阅；且支持公共答题区域和8字码（七段码）识别，以最节省纸张的方式实现选项较多的选做题。 支持A、B卷的答题卡及常用条形码考生考号的自动识别，同时支持题卡合一和题卡分离的模式。 本系统支持评卷题目按照题组分组阅卷以及统计分析功能，从而实现对文综、理综中单个科目（如：政治、历史、物理、化学等）分科单独统计分析。 8.系统适应性强、容错性好 支持试卷印刷异常的特殊情况处理功能，确保在出现例如：试卷页码漏印、试卷印刷有倾斜、客观题涂点印刷不完整、试卷有小幅褶皱等情况下的正常扫描识别功能。 9.可实现与主流高速扫描仪的无缝对接 本系统设计使用底层协议实现与当前主流的高速扫描仪无缝对接，采用本系统不需要增加额外的图形加速卡，即可实现对答卷的扫描识别速度不低于扫描仪的标称值，实时性达到100%（即：正确识别的答卷扫描识别量 ≧ 扫描仪标称速度 X 实际扫描时间）。 10.支持典型试卷、电子化批注，便于课堂讲评 支持在试卷上做类似于人工阅卷评卷给分的给分标记，在标记时完成登分；试卷评阅的痕迹能以图像的方式保存在计算机系统中，并与阅卷过程中的标记及得分进行合成生成电子图像。 在评卷过程中对典型试卷可随时作标记，阅卷完成后方便调阅，使课堂讲解更直观、生动。

实现客观题自动阅卷，主观题网上评卷和成绩数据的统计分析全部在计算机网上进行，特别是统计分析数据可直接在服务器上发布，既可免去人工阅卷方式逐级汇总及上报的麻烦，又可直接供教学讲评、质量分析使用，最大限度实现成绩数据的资源共享，满足领导，教师、学生及家长的需要。